basis data

Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved. +Created 11/09/2007 Version 1.2.5 #Release 24/10/2007

1

1. BASIS DATA (DATABASE)

Data, Informasi dan Basis Data

Data merupakan fakta mengenai suatu objek seperti manusia, benda, peristiwa, konsep, keadaan dan sebagainya yang dapat dicatat dan mempunyai arti secara implisit. Data dapat dinyatakan dalam bentuk angka, karakter atau simbol, sehingga bila data dikumpulkan dan saling berhubungan maka dikenal dengan istilah basis data (database) [Ramez2000]. Sedangkan menurut George Tsu-der Chou basis data merupakan kumpulan informasi bermanfaat yang diorganisasikan ke dalam aturan yang khusus. Informasi ini adalah data yang telah diorganisasikan ke dalam bentuk yang sesuai dengan kebutuhan seseorang [Abdul1999]. Menurut Encyclopedia of Computer Science and Engineer, para ilmuwan di bidang informasi menerima definisi standar informasi yaitu data yang digunakan dalam pengambilan keputusan. Definisi lain dari basis data menurut Fabbri dan Schwab adalah sistem berkas terpadu yang dirancang terutama untuk meminimalkan duplikasi data. Menurut Ramez Elmasri mendefinisikan basis data lebih dibatasi pada arti implisit yang khusus, yaitu: a. Basis data merupakan penyajian suatu aspek dari dunia nyata (real world). b. Basis data merupakan kumpulan data dari berbagai sumber yang secara logika mempunyai arti

implisit. Sehingga data yang terkumpul secara acak dan tanpa mempunyai arti, tidak dapat disebut basis data.

c. Basis data perlu dirancang, dibangun dan data dikumpulkan untuk suatu tujuan. Basis data dapat digunakan oleh beberapa user dan beberapa aplikasi yang sesuai dengan kepentingan user.

Dari beberapa definisi-definisi tersebut, dapat dikatakan bahwa basis data memounyai berbagai sumber data dalam pengumpulan data, bervariasi derajat interaksi kejadian dari dunia nyata, dirancang dan dibangun agar dapat digunakan oleh beberapa user untuk berbagai kepentingan [Waliyanto2000].

Hirarki Data

Data diorganisasikan kedalam bentuk elemen data (field), rekaman (record), dan berkas (file). Definisi dari ketiganya adalah sebagai berikut: Elemen data adalah satuan data terkecil yang tidak dapat dipecah lagi menjadi unit lain yang bermakna. Misalnya data siswa terdiri dari NIS, Nama, Alamat, Telepon atau Jenis Kelamin. Rekaman merupakan gabungan sejumlah elemen data yang saling terkait. Istilah lain dari rekaman adalah baris atau tupel. Berkas adalah himpunan seluruh rekaman yang bertipe sama.

Gambar 1.1 Hirarki data

Berkas (file)

Rekaman (record) Rekaman (record) Rekaman (record) …

Elemen Data (field) Elemen Data (field) Elemen Data (field)


2

Sistem Basis Data

[Waliyanto2000] Gabungan antara basis data dan perangkat lunak SMBD (Sistem Manajemen Basis Data) termasuk di dalamnya program aplikasi yang dibuat dan bekerja dalam satu sistem disebut dengan Sistem Basis Data.

Program Aplikasi

Sistem Basis Data

Perangkat Lunak Pemroses

Program/Query

Perangkat Lunak Pengakses Data

SMBD

Definisi Data (Meta Data)

Basis Data

User/Programmer

Gambar 1.2 Konsep Sistem Basis Data (kompilasi Ramez Elmasri. dkk 1994) C. J. Date menyatakan bahwa sistem basis data dapat dianggap sebagai tempat untuk sekumpulan berkas data yang terkomputerisasi dengan tujuan untuk memelihara informasi dan membuat informasi tersebut tersedia saat dibutuhkan.

Data Base Management System (DBMS)/Sistem Manajemen Basis Data (SMB)

DBMS dapat diartikan sebagai program komputer yang digunakan untuk memasukkan, mengubah, menghapus, memodifikasi dan memperoleh data/informasi dengan praktis dan efisien. Kelebihan dari DBMS antara lain adalah:

• Kepraktisan. DBMS menyediakan media penyimpan permanen yang berukuran kecil namun banyak menyimpan data jika dibandingkan dengan menggunakan kertas.

• Kecepatan. Komputer dapat mencari dan menampilkan informasi yang dibutuhkan dengan cepat.

• Mengurangi kejemuan. Pekerjaan yang berulang-ulang dapat menimbulkan kebosanan bagi manusia, sedangkan mesin tidak merasakannya.

• Update to date. Informasi yang tersedia selalu berubah dan akurat setiap. [Waliyanto2000] Keuntungan-keuntungan dalam penggunaan DBMS antara lain adalah: a. Pemusatan kontrol data. Dengan satu DBMS di bawah kontrol satu orang atau kelkompok dapat

menjamin terpeliharanya standar kualitas data dan keamanan batas penggunaannya serta dapat menetralkan konflik yang terjadi dalam persyaratan data dan integritas data dapat terjaga.

b. Pemakaian data bersama (Shared Data). Informasi yang ada dalam basis data dapat digunakan lebih efektif dengan pemakaian beberapa user dengan kontrol data yang terjaga.

c. Data yang bebas (independent). Program aplikasi terpisah dengan data yang disimpan dalam komputer.

d. Kemudahan dalam pembuatan program aplikasi baru. e. Pemakaian secara langsung. DBMS menyediakan interface yang memudahkan pengguna dalam

mengolah data.


3

f. Data yang berlebihan dapat dikontrol. Data yang dimasukkan dapat terjadi kerangkapan (redudant), untuk itu DBMS berfungsi untuk menurunkan tingkat redudancy dan pengelolaan proses pembaruan data.

g. Pandangan user (user view). Ada kemungkinan basis data yang diakses adalah sama, maka DBMS mampu mengatur interface yang berbeda dan disesuaikan dengan pemahaman tiap user terhadap basis data menurut kebutuhan.

Kelemahan-kelemahan DBMS antara lain: a. Biaya. Kebutuhan untuk medapatkan perangkat lunak dan perangkat keras yang tepat cukup

mahal, termasuk biaya pemeliharaan dan sumber daya manusia yang mengelola basis data tersebut.

b. Sangat kompleks. Sistem basis data lebih kompleks dibandingkan dengan proses berkas, sehingga dapat mudah terjadinya kesalahan dan semakin sulit dalam pemeliharaan data.

c. Resiko data yang terpusat. Data yang terpusat dalam satu lokasi dapat beresiko kehilangan data selama proses aplikasi.

Model Data

Model data dapat dikelompokkan berdasarkan konsep pembuatan deskripsi struktur basis data, yaitu: a. Model data konsepsual (high level) menyajikan konsep tentang bagaiman user memandang atau

memperlakukan data. Dalam model ini dikenalkan tiga konsep penyajian data yaitu:

• Entity (entitas) merupakan penyajian obyek, kejadian atau konsep dunia nyata yang keberadaannya secara eksplisit didefinisikan dan disimpan dalam basis data, contohnya Mahasiswa, Matakuliah, Dosen, Nilai dan lain sebagainya.

• Atribute (atribut) adalah keterangan-keterangan yang menjelaskan karakteristik dari suatu entitas seperti NIM, Nama, Fakultas, Jurusan untuk entitas Mahasiswa.

• Relationship (hubungan) merupakan hubungan atau interaksi antara satu entitas dengan yang lainnya, misalnya entitas pelanggan berhubungan dengan entitas barang yang dibelinya.

b. Model data fiskal (low level) merupakan konsep bagaimana deskripsi detail data disimpan ke dalam komputer dengan menyajikan informasi tentang format rekaman, urutan rekaman, dan jalur pengaksesan data yang dapat membuat pemcarian rekaman data lebih efisien.

c. Model data implementasi (representational) merupakan konsep deskripsi data disimpan dalam komputer dengan menyembunyikan sebagian detail deskripsi data sehingga para user mendapat gambaran global bagaimana data disimpan dalam komputer. Model ini merupakan konsep model data yang digunakan oleh model hirarki, jaringan dan relasional.

Skema dan Instan Basis Data

Skema basis data merupakan deskripsi dari basis data yang spesifikasinya ditentukan dalam tahap perancangan namun tidak terlalu diharapkan diubah setiap saat. Penggambaran skema umumnya hanya berisi sebagian dari deatil deskripsi basis data.

NIM NAMA FAKULTAS JURUSAN

MAHASISWA

KD_MK MATA KULIAH SKS

MATA KULIAH

KD_DOSEN NAMA ALAMAT TELEPON

DOSEN

ID_KUL KD_MK KD_DOSENNIM SEMESTER TAHUN NILAI

KULIAH

Gambar 1.3 Skema Basis Data Akademi Sekelompok data yang tersusun dalam satu baris rekaman (record/tuple) dan tersimpan dalam basis data disebut dengan instansi (instance) atau kejadian (occurences).


4

Arsitektur DBMS

Arsitektur ini dikenal dengan nama arsitektur tiga skema (three-schema architecture) dimana fungsi ini untuk memisahkan antara basis data fisik dengan program aplikasi user. Skema-skema tersebut adalah sebagai berikut: a. Level internal merupakan skema internal yang memuat deskripsi struktur penyimpanan basis data

dan menggunakan model data fisikal serta mendefinisikan secara detail penyimpanan data dalam basis data, serta jalur pengaksesan data.

b. Level konsepsual adalah skema yang memuat deskripsi struktur basis data secara keseluruhan untuk semua pemakai. Skema ini hanya memuat deskripsi tentang entitas, atribut, hubungan dan batasan, tanpa memuat deskripsi data secara detail.

c. Level eksternal merupakan skema eksternal (user view) yang mendefinisikan pandangan data terhadap sekelompok user (local view) dengan menyembunyikan data lain yang tidak diperlukan oleh kelompok user tersebut.

Keuntungan dari arsitektur ini antara lain: a. Perubahan skema konsepsual, yaitu adanya perubahan dalam skema konsepsual contohnya

penambahan suatu item data tidak akan berpengaruh pada program aplikasi. Tetapi jika skema eksternal tidak sesuai lagi dengan skema konsepsual yang baru maka program aplikasi harus disesuaikan juga.

b. Perubahan skema internal. Pemisahan antara skema eksternal dan skema internal berfungsi untuk menjaga bila terjadi perubahan skema internal, misalnya ada penambahan “pointer” pada rekaman tidak memerlukan perubahan pada aplikasi.

c. Perubahan skema eksternal. Adanya penambahan skema eksternal atau pembuatan skema eksternal baru tidak akan berpengaruh pada aplikasi yang ada selama aplikasi tersebut tidak mengakses data berdasarkan skema yang baru.

Komponen DBMS

Komponen-komponen DBMS (Howe,1991) terdiri dari:

• Interface, yang didalamnya terdapat bahasa manipulasi data (data manipulation language)

• Bahasa definisi data (data definition language) untuk skema eksternal, skema konsepsual dan skema internal.

• Sistem kontrol basis data (Database Control System) yang mengakses basis data karena adanya perintah dari bahasa manipulasi data.

Contoh bahasa menggunakan komponen-komponen tersebut adalah SQL (Structured Query Language). SQL merupakan bahasa standar yang digunakan oleh kebanykan aplikasi-aplikasi DBMS.

Klasifikasi DBMS

Sistem Basisi Data dapat diklasifikasikan menjadi tiga bagian, yang terdiri dari: a. Klasifikasi berdasarkan model data. Klasifikasi ini terdiri dari model data hirarki, model data

jaringan, model data relasional. 1. Model data hirarki

Dalam model ini, data disusun menurut struktur pohon yang merupakan bentuk lain dari abstraksi data untuk basis data akademi. Pada puncak hirarki diesbut dengan akar (root). Tiap entitas tingkat atas (parent) mempunyai satu atau lebih sub-entitas (children) sehingga setiap entitas hanya boleh mempunyai satu induk, tetapi dapat mempunyai banyak anak. Pada mode data hirarki, hubungan antar entitas dinyatakan dalam satu-banyak (one to many) atau satu-satu (one to one). Dalam satu Universitas terdapat banyak Fakultas dan setiap Fakultas terdapat banyak Dosen atau banyak Mahasiswa, dan seterusnya. Tanda panah menunjukkan derajat keterhubungan “banyak”. Untuk menampilkan semua mata kuliah pada Fakultas tertentu harus dilakukan dalam dua tahap. Yang pertama adalah menampilkan rekaman semua Dosen yang mengajar di Fakultas tersebut, kemudian baru mata kuliah yang dipegang oleh para Dosen. Dalam hal ini penampilan data terlihat kurang efisien, sebab menggunakan entitas perantara (dosen) yang harus ditampilkan juga. Dikarenakan kunci data yang digunakan untuk menghubungkan antar entitas diberi kode dalam struktur data, maka untuk jumlah entitas perantara yang sedikit masih dapat dikatakan efisien.


5

Kelemahan lain pada model data hirarki adalah tidak dapat melakukan pencarian data pada field. Misalnya dalam entitas mata ki\uliha tida pat ditampilkan hanya mata kuliah dengan jumlah SKS tertentu, sebab field “Jumlah SKS” bukan sebagai kunci data. Hal ini masih dapat dilakukan dengan mengubah struktur data dengan memberi hubungan khusus yang digunakan untuk mengubah struktur database. Kelebihan model ini adalah sangat mudah dipahami dan mudah dalam pembaharuan data [Waliyanto2000].

Nama Universitas

ABC

Nama Fakultas Jumlah Dosen Jumlah Mhs Jumlah Jurusan

Teknik 316 1098 8

No. Mhs Nama Jurusan

10189 Munif Elektro

NIP Nama Golongan

1679999 Arif II

Kode MK Nama MK Jumlah SKS

KID627187 Fisika Dasar 2

Universitas

Fakultas

Mahasiswa Dosen

Mata Kuliah

Gambar 1.4 Organisasi rekaman data pada model hirarki [Waliyanto2000]

2. Model data Jaringan Dalam model ini setiap entitas dapat mempunyai banyak induk dan banyak anak. Pada gambar menunjukkan entitas mata kuliah mempunyai dua induk, yaitu langsung berhubungan dengan Fakultas dan Dosen.

Nama Universitas

ABC

Nama Fakultas Jumlah Dosen Jumlah Mhs Jumlah Jurusan

Teknik 316 1098 8

No. Mhs Nama Jurusan

10189 Munif Elektro

NIP Nama Golongan

1679999 Arif II

Kode MK Nama MK Jumlah SKS

KID627187 Fisika Dasar 2

Universitas

Fakultas

Mahasiswa Dosen

Mata Kuliah

Registrasi

No. Mhs Nama MK

10189 KID627187

Gambar 1.5 Organisasi rekaman data model raringan [Waliyanto2000]

Dalam model ini lebih sedikit terdapat data rangkap, namun lebih banyak terdapat hubungan antar entitas, sehingga akan menambah informasi hubungan yang harus disimpan dalam database. hal ini akan menambah volume dan kerumitan dalam penyimpanan berkas data.


6

3. Model data Relasional Dalam model ini setiap field dapat dijadikan kunci data. Data rekaman disusun dari nilai yang berhubungan (record). Baris-baris ini akan membentuk tabel yang umunya tersimpan dalam satu berkas (file).

No MK Nama MK SKS NIP

KDI1892 Bahasa Inggris 2 1222

KAI6522 Fisika Lanjut 2 2344

… … … …

No MK No Mhs

KDI1892 11782

KAI6522 44366

KAI6522 89878

No Mhs Nama Jurusan Fakultas

11782 Arif Elektro Teknik

44366 Rudian Mesin Teknik

89878 Nita Sipil Teknik

… … … …

Fakultas Jml_Dsn Jml_Mhs Jml_Jur

Teknik 150 6320 3

Ekonomi 200 4120 2

… … … …

NIP Nama Gol

23666 Murdiansyah III

132455 Johan II

… … …

Mata Kuliah Fakultas

Mahasiswa Dosen Registrasi

Gambar 1.6 Organisasi basis data model relasional [Waliyanto2000] Dengan menggunakan model ini, pencarian field dari suatu tabel atau banyak tabel dapat dilakukan dengan cepat. Pencarian atribut yang berhubungan pada tabel yang berbeda dapat dilakukan dengan menghubungkan terlebih dahulu tabel-tabel tersebut dengan menggunakan atribut yang sama (joint operation). Keuntungan yang didapat dengan menggunakan model ini adalah sebagai berikut [Waliyanto2000]:

• Model ini lebih luwes karena nilai data dalam tabel tidak ada pembatasan dalam berbagai proses pencarian data.

• Model ini mempunyai latar belakang teori matematika.

• Pengorganisasian model relasional sangat sederhana, sehingga mudah dipahami.

• Basis data yang sama biasanya dapat disajikan dengan lebih sedikit terjadi data rangkap (redudancy data).

Sedangkan beberapa kelemahan model ini adalah [Waliyanto2000]:

• Lebih sulit dalam implementasinya terutama untuk data dengan jumlah yang besar dan tingkat kompleksitasnya tinggi.

• Proses pencarian informasi lebih lambat, karena beberapa tabel tidak dihubungkan secara fisik. Dalam manipulasi data yang menggunakan beberapa tabel akan memerlukan waktu yang lama, karena tabel-tabel harus dihubungkan terlebih dahulu.

b. Klasifkasi berdasarkan lokasi penyimpanan data, yaitu DBMS terpusat dan DBMS terdistribusi.

Dalam DBMS terpusat basis data disimpan dalam satu komputer media penyimpan sehingga pengguuna sistem mengakses data dari pusat. DBMS terdistribusi, basis data tersebar pada penyimpanan tiap terminal pengguna (client). Antar pengguna dapat mengakses data secara langsung tanpa perlu melalui pusat penyimpanan. DBMS ini memerlukan sistem kontrol yang rumit.

c. Klasifikasi berdasarkan tujuan DBMS digunakan yaitu tujuan umum (general purpose) dan tujuan khusus (special purpose). Untuk tujuan umum dapat digunakan untuk berbagai tujuan dengan memperlakukan data sama menurut penggunaannya contoh aplikasinya adalah DBASE, ORACLE, FOXBASE dan sebagainya. DBMS tujuan khusus dirancang dan digunakan untuk keperluan tertentu, sebagai contoh pengelolaan data karyawan pada perusahaan Asuransi.


7

Pengembangan Database

Database diproses oleh DBMS untuk digunakan oleh pengembang maupun pengguna, yang mengakses DBMS secara langsung atau tidak langsung melalui program-program aplikasi. Database terdiri dari empat elemen utama yaitu data pengguna, metadata, indeks dan metadata aplikasi [David2002].

Data Pengguna

Hampir semua database me-representasikan data pengguna sebagai relasi dengan menganggapnya sebagai tabel data. Kolom dalam tabel berisi field-field atau atribut dan baris tabel berisi record/tuple (rekaman) untuk keterangan entitas dalam lingkungan bisnis. Tidak semua relasi diperlukan, beberapa relasi lebih baik distrukturkan dengan proses normalisasi. Relasi ini dapat digambarkan dengan bentuk hubungan antara pelajar dengan guru sebagai berikut: Tabel 1-1 Relasi Pelajar dengan Guru (R1)

NamaPelajar TeleponPelajar NamaGuru TeleponGuru

Aminudin 7778889 Pardi 7789665

Usman 7896532 Pardi 7789665

Ari 7474856 Dadang 8965555

Rina 7895654 Marni 4562211

Tuti 7897744 Dadang 8965555

Joni 7845644 Dadang 8965555 Struktur relasi tersebut dapat terjadi beberapa masalah, misalnya jika guru Dadang mengganti nomor telepon maka tiga record yang terdapat guru Dadang diatas harus diganti juga. Untuk itu lebih baik jika struktur relasi diubah menjadi dua relasi seperti di bawah ini: Tabel 1-2 Hubungan antara R1 dan R2

NamaPelajar TeleponPelajar NamaGuru

Aminudin 7778889 Pardi

Usman 7896532 Pardi

Ari 7474856 Dadang

Rina 7895654 Marni

Tuti 7897744 Dadang

Joni 7845644 Dadang

NamaGuru TeleponGuru

Pardi 7789665

Dadang 8965555

Marni 4562211 Dari relasi diatas akan pengubahan data hanya dilakukan pada relasi kedua.

Metadata

Penjelasan struktur dari suatu tabel disebut dengan metadata dan terkadang disebut dengan system tables. Bentuk dari metada dapat digambarkan seperti dibawah ini yang terdiri dua tabel. Tabel pertama berisi daftar tabel-tabel di dalam suatu database sedangkan tabel yang kedua berisi daftar kolom-kolom pada suatu tabel. Tabel 1-3 Tabel SysTable

Nama TabelJumlah

KolomPrimary Key

Pelajar 4 NIS

Guru 3 NIP

Mata Pelajaran 4 Kode_MP

Relasi Belajar 3 {NIS,Kode_MP,NIP}


8

Tabel 1-4 Tabel SysColumns

Nama Kolom Nama Tabel Tipe Data Panjang

NIS Pelajar String 5

Nama Pelajar String 20

Telepon Pelajar String 12

Alamat Pelajar String 50

NIP Guru String 6

Nama Guru String 20

Telepon Guru String 12

Divisi Guru String 20

Kode_MP Mata Pelajaran String 5

Nama MP Mata Pelajaran String 15

Jumlah Jam Mata Pelajaran Integer 4

NIS Relasi Belajar String 5

Kode_MP Relasi Belajar String 5

NIP Relasi Belajar String 6

Tingkat Relasi Belajar String 2

Indeks

Tipe database ini digunakan untuk meningkatkan kinerja dan akses suatu database. Terkadang tipe data ini disebut dengan overhead data, terdiri dari prinsip-prinsip indeks serta beberapa penggunaan struktur data link list. Di bawah ini contoh pengguanan dua buah indeks dari tabel Mahasiswa: Tabel 1-5 Contoh Tabel Mahasiswa

NO Nama Jurusan Kelas

10 David Carradine Akuntansi 2AB

20 Jaka Sembung Manajemen 2CV

30 Kebo Ireng Manajemen 2CV

40 Lasmini Teknik Sipil 1SP

50 Joni Keboy Akuntansi 1AB

60 Franc De Nero Manajemen 2AB

70 Marco Van Basten Teknik Sipil 1SP

80 Maradani Teknik Sipil 1SP

90 Dona Doni Akuntansi 1AB Tabel 1-6 Tabel Indeks berdasarkan Kelas

Kelas No

1AB 50,90

2AB 10,60

2CV 20,30

1SP 40,70,80 Tabel 1-7 Tabel indeks berdasarkan Jurusan

Jurusan No

Akuntansi 10,50,90

Manajemen 20,30,60

Teknik Sipil 40,70,80


9

Indek tidak hanya digunakan untuk pengurutan, tetapi digunakan juga untuk mengakses cepat ke database terutama pencarian data. Apbila suatu tabel contuhnya tabel Mahasiswa, mengalami pengubahan data (penambahan/pengubahan/penghapusan) maka tabel indeks mengalami pengubahan juga.

Application Metadata

Application metadata digunakan untuk menyimpan struktur dan format dari user forms, report, queries dan komponen-komponen aplikasi lainnya.

Konsep Dasar Tabel

Tabel merupakan blok dasar yang paling umum digunakan dalam sistem basis data, atau disebut juga dengan relasi. Komponen tabel terdiri dari beberapa kolom yang ditandai dengan jenis atribut. Perpotongan antara baris dan kolom disebut nilai atribut. Tujuan penggunaan tabel adalah untuk menyederhanakan logika pandangan terhadap data. Beberapa kententuan-ketentuan dalam penyusunan sebuah tabel adalah sebagai berikut [Waliyanto2000]: a. Urutan baris diabaikan, sehingga pertukaran baris tidak berpengaruh pada isi informasi tabel. b. Urutan kolom diabaikan serta identifikasi kolom dibedakan dengan jenis atribut. c. Tiap perpotongan antara baris dan kolom berisi atribut tunggal d. Tiap baris dalam tabel harud dibedakan, sehingga tidak ada dua baris atau lebih dalam tabel

mempunyai nilai atribut yang sama secara keseluruhan. Tabel yang memenuhi ketentuan ini disebut dengan tabel normal, jika belum maka dilakukan proses normalisasi. Salah satu keuntungan menggunakan basis data adalah konsistensi data selalu terjaga dengan menghindari adanya data rangkap (redudant data). Perbedaan antara data rangkap dan data duplikat adalah duplikasi data terjadi bila satu atribut mempunyai dua atau lebih nilai yang sama, sedangkan data rangkap adalah bila satu atribut mempunyai dua atau lebih nilai yang sama, namun bilai salah satu nilai dihapus, maka tidak ada informasi yang hilang, sehingga duplikasi data ini tidak perlu ada. Untuk lebih jelasnya lihat dua tabel berikut: Tabel 1-8 Contoh duplikasi data pada suatu tabel

NamaPelajar TeleponPelajar NamaGuru

Aminudin 7778889 Pardi

Usman 7896532 Pardi

Ari 7474856 Dadang

Rina 7895654 Marni

Tuti 7897744 Dadang

Joni 7845644 Dadang

Tabel 1-9 Contoh adanya kerangkapan data pada suatu tabel

NamaPelajar TeleponPelajar NamaGuru TeleponGuru

Aminudin 7778889 Pardi 7789665

Usman 7896532 Pardi 7789665

Ari 7474856 Dadang 8965555

Rina 7895654 Marni 4562211

Tuti 7897744 Dadang 8965555

Joni 7845644 Dadang 8965555 Pada tabel 1.8 terjadi duplikasi data pada atribut NamaGuru, andaikan baris pertama pada atribut NamaGuru dihilangkan maka informasi untuk atribut NamaPelajar baris pertama akan hilang, sedangkan pada tabel 1.9 dapat terlihat bahwa kalau atribut TeleponGuru dari baris pertama dihilangkan maka informasi ini masih dapat diketahui melalui atribut NamaGuru pada baris kedua, mengapa?


10

Salah satu syarat tabel normal adalah setiap atribut harus mempunyai nilai tunggal untuk tiap barisnya. Di bawah ini contoh dari suatu tabel yang mempunyai atribut bernilai ganda. Tabel 1-10 Tabel Dosen dengan nilai ganda

NIP Nama Gelar

102 Jackie Ceng Ir

106 Dakocan Ir, MSc

503 Ali Oncom Drs

401 Otoy Ir, MSc, PhD

203 Gareng Prof, Drs Dalam tabel di atas terdapat nilai atribut ganda pada kolom Gelar. Hal ini berakibat pengurutan data hanya dapat dilakukan berdasarkan kolom NIP dan Nama. Untuk menghilangkan nilai ganda tersebut, hal yang paling mudah dilakukan adalah membuat pengisian nilai atribut vertikal namun dapat berakibat kerangkapan data, seperti di bawah ini. Tabel 1-11 Pengisian atribut secara vertikal

NIP Nama Gelar

102 Jackie Ceng Ir

106 Dakocan Ir

106 Dakocan MSc

503 Ali Oncom Drs

401 Otoy Ir

401 Otoy MSc

401 Otoy PhD

203 Gareng Prof

203 Gareng Drs Solusi yang teapat untuk menghilangkan kerangkapan data tersebut adalah dengan membagi tabel menjadi dua bagian yang saling terhubung dengan elemen penghubung salah satu atributnya. Perhatikan tabel-tabel di bawah ini: Tabel 1-12 Menghilangkan nilai rangkap dengan pemecahan tabel

NIP Nama

102 Jackie Ceng

106 Dakocan

503 Ali Oncom

401 Otoy

203 Gareng

NIP Gelar

102 Ir

106 Ir

106 MSc

503 Drs

401 Ir

401 MSc

401 PhD

203 Prof

203 Drs Dengan cara ini dapat mempermudah dalam proses normalisasi berikutnya. Dalam penyusunan aturan data perlu dipahami tentang determinan dan identitas. Jika sebuah tabel memiliki atribut A, B, dan C, sedangkan A menjadi penentu B atau sebaliknya B ditentukan oleh A maka A determinan (functional determines) B (B functional dependent A) . Nilai atribut B dapat saja duplikasi, kosong atau dapat diubah. Jika a1 dan b1 merupakan nilai A maka akan berpasangan dengan nilai B yang sama ataupun berbeda. Jadi A determinan B jika tiap A mempunyai satu pasangan nilai B. Perhatikan contoh tabel di bawah ini:

Dosen

Gelar


11

Tabel 1-13 Tabel Mahasiswa

NIM Nama Jurusan Fakultas

21297956 Asmawi Teknik Sipil Teknologi Industri

21297556 Tina Manajemen Ekonomi

20399458 Marino Akuntansi Ekonomi

21198113 Budi Teknik Sipil Teknologi Industri Apabila setiap nilai atribut NIM menentukan nama mahasiswa maka dikatakan atribut NIM determinan atribut Nama. Begitu juga dengan atribut Jurusan dan Fakultas yang ditentukan oleh NIM. Bentuk diagram determinan adalah sebagai berikut:

Gambar 1.7 Diagram determinan dari tabel Mahasiswa Dalam kasus lain, ada kemungkinan dua atribut atau lebih secara bersama menentukan atribut lain atau determinan komposit (composite determinant/fully functionally dependent) . Sebagai contoh pada tabel di bawah, atribut NIM dan atribut MataKuliah menentukan atribut Dosen sebagai pengajar. Tabel 1-14 Tabel pengajaran mata kuliah

NIM MataKuliah Dosen

21297956 Matematika Dasar Pardi

21297956 Fisika Dasar Munir

20399458 Matematika Dasar Joko Susilo

21198113 Fisika Dasar Munir

20399458 Akuntasi Dasar Marni Siregar

21297556 Matematika Dasar Joko Susilo

Gambar diagram determinannya adalah sebagai berikut:

Gambar 1.8 Diagram determinan tabel pengajaran mata kuliah Sedangkan bila atribut A determinan atribut B dan atribut B merupakan determinan atribut C maka atribut A adalah determinan transitif atribut C (C transitive dependency A). perhatikan contoh tabel dan diagram determinan di bawah ini: Tabel 1-15 Daftar penerimaan mahasiswa baru

NIM Jurusan Fakultas

21297956 SI ILKOM

21297556 SK ILKOM

20399458 TI TI

21198113 SK ILKOM

NIM

Nama

Jurusan

Fakultas

NIM

MataKuliah

Dosen


12

Gambar 1.9 Diagram A determinan transitif C Dari pembahasan di atas tiap baris dapat diidentifikasikan dengan semua nilai atribut, tetapi akan sangat menyulitkan. Oleh sebab itu perlu pemilihan salah satu nilai atribut yang digunakan sebagai identitas (identifier) atau elemen kunci (key element) dari baris. Nilai atribut dapat dijadikan identitas jika dalam tabel tidak terjadi duplikasi data dan data dengan nilai kosong (NULL).

Normalisasi

Proses normalisasi menyediakan cara sistematis untuk meminimalkan terjadinya kerangkapan data diantara relasi dalan perancangan logikal basis data. Format normalisasi terdiri dari lima bentuk, yaitu: Form Normal Pertama (1NF). Suatu tabel dikatakan sudah 1NF jika telah memenuhi ketentuan sebagai berikut:

• Tidak ada atribut mempunyai nilai berulang atau nilai array

• Tidak mempunyai baris yang rangkap Bentuk unnormal mengijinkan nilai-nilai pada suatu atribut dapat berulang. Perhatikan contoh tabel-tabel berikut ini: [Sitansu1991] Tabel 1-16 Tabel UNIV (University)

DNO DNAME DHEAD

EN English Lee Kunkel

CS Computer Science Albert Roby

MA Mathematics Deb Kumar Boy

HS History Cathy Doucette

EE Elecrical Engineering Raj Chandra Mittra

Tabel 1-17 Tabel INSTR (Instructor)

INAME IDEG SPCODE RANK SSNO DNO

Lee Kunkel BA, MA, PhD 4 Professor 2323121 EN

Albert Roby BS, MS, PhD 2 Professor 1212154 CS

Deb Kumar Boy BS, MS, PhD 5 AssocProf 4545454 MA

Cathy Doucette MA, PhD 6 AssocProf 4545654 HS

Raj Chandra Mittra BA, MSc, PhD 10 Professor 2231321 EE

Tom Clark BA, MA 5 AsstProf 1546465 MA

Marcia Brown BA, BS, MS 2 Instructor 4464654 CS

Susan Woodsmith MA, MS, PhD 3 AsstProf 2131321 PH

Brady Jackson MA, DLitt 15 Professor 2456465 RL

Jack Adams BA, PhD 1 AssocProf 4545462 CS Tabel 1-18 Tabel STUDNT (Student)

SNAME SSNO MAJOR DEGREE ADVSR DNO COLREG

Roger Brown Smith 121545 Biology BS Jack Adams BI Arts & Sci.

Cindy Logan 232332 Computer Science BS Deb Kumar Boy MA Arts & Sci.

Benjamin Johnson 554545 NDEG NONE BA Business

Steve Levin 454545 BA Lee Kunkel EN Arts & Sci.

Tom Jones 899778 Mathematics MS Raj Chandra Mittra EE Engineering

Berverly Black 365654 English PhD Lee Kunkel EN Arts & Sci.

NIM Jurusan Fakultas


13

Tabel 1-19 Tabel CRSE (Course)

CNO CNAME INAME DNO SECNO

CS225 Assembler Language Marcia Brown CS 02

CS547 Discrete Mathematics Deb Kumar Roy CS 01

MA423 Differential Geometry Tom Clark MA 04

EN104 English Composition Staff EN 04

RL712 Comparative Religion Brady Jackson RL 01

CS761 Expert System Albert Roby CS 03

EC102 Macroeconomics Staff EC 06

EN604 Romanticism Lee Kunkel EN 01

HS252 Middle East Cathy Doucette HS 02

EE202 Microcomputing Staff EE 04

MA611 Algebraic Topology Tom Clark MA 01

CS579 Database Systems Marcia Brown CS 02

BI104 Biology Concepts Staff BI 07 Tabel 1-20 Tabel CRSLST (Course List)

CNO SECNO SID GRADE OFRNG

CS579 02 121212 A Spring 87

CS579 02 121231 B- Spring 87

CS579 02 454549 B+ Spring 87

CS579 02 484545 I Spring 87

MA611 01 112121 C Fall 86

MA611 01 212121 A Fall 86

MA611 01 545454 C+ Fall 86

MA611 01 121215 W Fall 86 Tabel 1-21 Tabel SPECL (Special)

SPCODE SPNAME

1 Information Systems

2 Database Systems

3 Kant Doctrine

4 Romantic Literature

5 Differential Geometry

6 Mideast History

7 Topology

8 Automated Reasoning

9 Expert System

10 Microelectronics

11 English Drama

12 Shakespeare

13 Indian History

14 Decision Support Systems

15 Comparatibe Religion Tabel UNIV, STUDNT, CRSE, CRELST dan SPCODE semuanya berada dalam 1NF, namun untuk tabel INSTR masih dalam keadaan unnormalisasi, karena atribut IDEG menerima nilai array seperti “BA, MA, PhD” atau “MA, MS, PhD”. Form Normal Kedua (2NF). Relasi dapat dikatakan format normal kedua jika sudah dalam format normal pertama dan diikuti kondisi sebagai berikut:


14

• Key terdiri dari atribut tunggal

• Setiap atribut nonkey ketergantungan fungsional pada semua key atau tidak terjadinya ketergantungan pada key composite.

Misalnya tabel UNIV berada dalam normal kedua dengan mengasumsikan DNO sebagai key, kecuali CRSE. Jika ditentukan CNO dan SECNO sebagai key composite, atribut nonkey CNAME tergantung hanya pada CNO, bukan pada SECNO, sehingga CNAME tidak secara ketergantungan fungsional penuh terhadap key (CNO, SECNO). Form Normal Ketiga (3NF). Relasi dikatakan format normal ketiga jika sudah dalam format normal kedua dan tidak ada ketergantungan transitif diantara atribut. Misalnya tabel STUDNT mempunyai atribut SSNO sebagai key (2NF). Ketergantungan transitif terjadi diantara DNO dan COLREG. Saat DNO determinan COLREG tanpa melibatkan key SSNO. Contohnya, DNO=’CS’ termasuk COLREG=’Arts/Sc.’ tidak tergantung oleh atribut SSNO, sehingga STUDNT belum termasuk 3NF. Yang menjadi catatan, ketergantungan transitif tidak akan terjadi jika ada ketergantungan fungsional diantara atribut-atribut nonkey yang melibatkan key. Misalnya atribut nonkey SNAME determinan atribut nonkey lainnya yaitu MAJOR, DEGREE, ADVSR dan DNO. Tetapi hal ini merupakan ketergantungan fungsional bukan ketergantungan transitif selagi semua melibatkan key SSNO. Form Normal Boyce-Codd (BCNF). BCNF menentukan setiap determinan adalah kunci kandidat (candidate key). Misalnya UNIV mempunyai dua determinan yaitu DNO dan DNAME yang merupakan kunci kandidat sehingga termasuk ke dalam BCNF. Di lain pihak CRSLST dalam 3NF tetapi tidak dalam BCNF. Atribut komposisinya (CNO, SECNO, SID, OFRNG) sebagai kunci-kunci kandidat dan tidak ada ketergantungan transitif, sehingga CRSLST termasuk ke dalam 3NF. Namun atribut CNO adalah determinan saat SECNO tergantung penuh secara fungsional terhadap CNO, walaupun CNO bukan kunci kandidat, sehingga CRSLST belum termasuk BCNF. Form Normal Keempat (4NF). Bentuk ini adalah bentuk normal ketiga atau BCNF dengan nilai atribut tidak tergantung pada nilai banyak (multivalue dependency). Form Normal Kelima (5NF). Konsep pada bentuk ini adalah ketergantungan pada gabungan beberapa atribut (join dependency). Bentuk lain proses normalisasi dapat anda lihat dalam tabel-tabel di bawah ini: Tabel 1-22 Tabel Mahasiswa dalam 1NF

NIM NamaAwal NamaAkhir Fakultas

122233 Asep Darma Ilmu Komputer

233323 Angling Darma Ilmu Komputer

244455 Bergola Ijo Hukum

334343 Jaka Sembung Kebidanan

322323 Jaka Tarub Hukum

Pada tabel di atas berada pada 1NF kerana tidak ada baris yang duplikat, setiap kolom hanya mempunyai nilai tunggal (tidak ada group berulang atau array) dan semua masukan dalam kolom mempunyai jenis yang sama. Key NIM secara fungsional menentukan atribut lain seperti NamaAwal, NamaAkhir, dan Fakultas

(dengan asumsi, setiap mahasiswa hanya boleh menempatkan satu fakultas). NIM→NamaAwal,

NIM→NamaAkhir, NIM→Fakultas. Atribut key menentukan secara unik nilai dari atribut lain dalam tabel, semua atribut non-key dalam tabel secara fungsional tergantung terhadap key. Tetapi ada kemungkinan atribut non-key dalam tabel dapat menentukan atribut lain pada tabel tersebut. Perhatikan tabel berikut:


15

Tabel 1-23 Atribut Non-Key Determinan

NamaAwal NamaAkhir Fakultas Jenjang

Asep Darma Ilmu Komputer S1

Angling Darma Ilmu Komputer S1

Bergola Ijo Hukum S1

Jaka Sembung Kebidanan D3

Jaka Tarub Hukum S1

Atribut jenjang dapat dikatakan tergantung secara fungsional pada atribut Fakultas dengan konsekuensi bahwa Fakultas Ilmu Komputer dan Hukum hanya untuk mahasiswa S1 dan Fakultas Kebidanan hanya untuk mahasiswa D3. Pada tabel 1.23 juga memiliki composite key (kunci komposisi) yang terdiri dari atribut NamaAwal dan NamaAkhir dan atribut Jenjang tergantung secara fungsional pada composite key tersebut. Sebenarnya bisa saja atribut Jenjang tergantung pada atribut NamaAkhir (jika nilai atribut NamaAkhir tidak ada yang sama, namun NamaAkhir terdapat nilai yang sama yaitu “Darma”), atau tergantung dengan atribut NamaAwal, tetapi atribut NamaAwal mempunyai nilai duplikat yaitu “Jaka”. Maka atribut Jenjang tidak tergantung fungsional terhadap kedua atribut key tersebut. Sehingga tabel tersebut belum termasuk ke dalam 2NF (semua atribut non-key tergantung pada semua key). Tabel 1.23 dapat dinormalisasikan ke dalam bentuk 2NF jika di tambahkan atribut NIM, sehingga tabel hanya mempunyai atribut tunggal (non-composite key) seperti di bawah ini. Tabel 1-24 Tabel Normalisasi 2NF

NIM NamaAwal NamaAkhir Fakultas Jenjang

122233 Asep Darma Ilmu Komputer S1

233323 Angling Darma Ilmu Komputer S1

244455 Bergola Ijo Hukum S1

334343 Jaka Sembung Kebidanan D3

322323 Jaka Tarub Hukum S1

Anomali (Pelanggaran) dan Normalisasi

Untuk mengilustrasikan adanya anomali, anggap terjadi pada atribut Jenjang dari Fakultas, misalnya Kebidanan. Jika Jaka Sembung kembali berkelana (tidak jadi kuliah) maka baris yang berhubungan dengan Jaka Sembung akan dihapus dan terjadi kehilangan informasi bahwa Kebidanan mempunyai jenjang D3. Kita dapat saja mengetahui bahwa Jenjang Kebidanan adalah D3, tetapi dalam database tersebut tidak ada informasi yang menyatakan Jenjang Kebidanan. Contoh lain misalnya penambahan mahasiswa baru yang bernama Suparman yang ingin kuliah di Fakultas Teknik. Fakta dari informasi tabel kita tidak dapat mengetahui apa jenjang dari Fakultas Teknik dan juga apakah Fakultas Teknik terdapat pada Universitas yang bersangkutan. Dari hal ini kita tidak akan mengetahui apakah dapat nilai Teknik tersebut dapat dimasukkan ke dalam atribut Fakultas atau tidak. Apabila dapat dimasukkan ke atribut Fakultas, bagaimana dengan atribut Jenjang-nya? DBMS hanya dapat bekerja dengan informasi yang terdapat pada tabel-tabel dan aturan-aturan yang bekerja pada tabel-tabel tersebut dengan tepat dan mungkin. Bagaiman hubungan antara anomali dan normalisasi? Jawaban yang singkat adalah dengan menyusun tabel-tabel dalam database cukup dinormalkan (dalam praktek umumnya sampai normal keempat), dan menjamin bahwa anomali tidak terjadi pada database.


16

Porses normalisasi kelihatan sangat menyulitkan, ketika melihat dari definisi tiap-tiap tingkatan normalisasi. Namun dalam prakteknya kita dapat mencapainya dengan menjamin bahwa tabel-tabel terdiri dari tabel “single-theme”. Walaupun dalam 2NF dapat terjadi penambahan maupun penghapusan data yang mengakibatkan anomali, kita dapat membentuk tabel tersebut menjadi beberapa tabel “single-theme”. Gagasan ini dapat diilustrasikan pada tabel di bawah ini. Tabel 1-25 Tabel-tabel "Single-Theme"

Transitive Dependencies (Ketergantungan transitif) (3NF)

Seperti yang telah kita ketahui, ketergantungan transitif terjadi bilamana suatu A→B dan B→C, maka

A→C. Ilustrasi untuk kejadian ini dapat dilihat pada tabel berikut. Tabel 1-26 Tabel Daftar Buku

Author

Last

Name

Author

First

Name

Book Title Subject Collection or Library Building

Berdahl Robert The Politics of the

Prussian Nobility

History PCL General Stacks Perry-Casta

Library

Yudof Mark Child Abuse and

Neglect

Legal

Procedures

Law Library Townes Hall

Harmon Glynn Human Memory and

Knowledge

Cognitive

Psychology

PCL General Stacks Perry-Casta

Library

Graves Robert The Golden Fleece Greek Literature Classics Library Waggener

Hall

Miksa Francis Charles Ammi Cutter Library

Biography

Library and

Information Science

Collection

Perry-Casta

Library

Hunter David Music Publishing and

Collecting

Music Literature Fine Arts Library Fine Arts

Building

Graves Robert English and Scottish

Ballads

Folksong PCL General Stacks Perry-Casta

Library

Dari tabel di atas kita dapat berpendapat bahwa buku yang ber-subyek History, cognitive psychology, dan folksong diberikan ke PCL General Stacks collection; sedangkan Legal procedure diberikan ke Law Library; Greek Literature diberikan ke Classic Library; sedangkan Library Biography diberikan ke Library and Information Science Collection; dan Music Literature diberikan ke Fine Arts Library. Kemudian kita dapat menduga bahwa PCL General Stacks Collection dan LISC keduanya ditempatkan di gedung Perry-Casta Library (PCL); Classic Library ditempatkan di gedung Waggener Hall; Law Library and Fine Arts Library di tempatkan di gedung Townes Hall dan Fine Arts Building. Sehingga kita dapat melihat ketergantungan transitif pada tabel di atas, dimana buku-buku History, Cognitive Psychology atau Library Biography secara fisik ditempatkan di gedung PCL; buku Lega Procedures di tempatkan di Townes Hall dan begitu seterusnya.

NIM NamaAwal NamaAkhir

122233 Asep Darma

233323 Angling Darma

244455 Bergola Ijo

334343 Jaka Sembung

322323 Jaka Tarub

Fakultas Jenjang

Ilmu Komputer S1

Hukum S1

Kebidanan D3

NIM Fakultas

122233 Ilmu Komputer

233323 Ilmu Komputer

244455 Hukum

334343 Kebidanan

322323 Hukum


17

Apa yang salah ketika terjadinya ketergantungan transitif pada tabel tersebut? Hal pertama terjadinya duplikasi informasi, dimana tiga baris berbeda mengacu pada PCL General Stacks yang berada di gedung PCL. Kesalahan yang kedua adalah kemungkinan adanya penghapusan anomali, yaitu jika kita hapus baris dengan nama pengarangYudof maka kita akan kehilangan informasi Law Library di dalam Townes Hall. Ketiga dapat pula terjadi penambahan anomali jika kita akan menambah buku Chemistry, tetapi kenyataannya tidak ada data yang menyatakan Chemistry Library berada di gedung Robert A. Welch Hall. Dan masalah keempat terjadinya kesalahan meng-update jika pegawai memasukan buku ke LISC tetapi memasukkan Townes Hall ke atribut Building. Solusi untuk masalah di atas adalah membentuk tabel tersebut menjadi tabel-tabel “single-theme”. Tabel 1-27 Tabel-tabel "single-theme " untuk tabel transitive dependencies

Kita dapat lihat bahwa semua tabel tidak mempunyai ketergantungan transitif (3NF, Domain Key Normal Form (DKNF)).

Author

Last

Name

Author

First NameBook Title

Berdahl Robert The Politics of the

Prussian Nobility

Yudof Mark Child Abuse and Neglect

Harmon Glynn Human Memory and

Knowledge

Graves Robert The Golden Fleece

Miksa Francis Charles Ammi Cutter

Hunter David Music Publishing and

Collecting

Graves Robert English and Scottish

Ballads

Book Title Subject

The Politics of the

Prussian Nobility

History

Child Abuse and Neglect Legal

Procedures

Human Memory and

Knowledge

Cognitive

Psychology

The Golden Fleece Greek

Literature

Charles Ammi Cutter Library

Biography

Music Publishing and

Collecting

Music

Literature

English and Scottish

Ballads

Folksong

Subject Collection or Library

History PCL General Stacks

Legal

Procedures

Law Library

Cognitive

Psychology

PCL General Stacks

Greek Literature Classics Library

Library

Biography

Library and Information

Science Collection

Music Literature Fine Arts Library

Folksong PCL General Stacks

Collection or Library Building


Library

Law Library Townes Hall


Library

Classics Library Waggener Hall

Library and Information

Science Collection

Perry-Casta

Library

Fine Arts Library Fine Arts

Building


Library


18

Untuk tabel pengarang terdapat nama depan yang sama yaitu Robert, dalam hal ini kita menyarankan untuk membuat atribut identifikasi dalam menyatakan nama pengarang, seperti di bawah ini. Tabel 1-28 Tabel pengarang setelah penambahan atribut ID

Pembentukan tabel-tabel di atas akan lebih menghemat kapasitas media penyimpan dan meminimalkan kesalahan dalam pemasukkan data yang berupa key. BCNF mengijinkan terjadinya anomali ketika tabel gagal memiliki properti yaitu setiap determinan adalah kunci kandidat (candidate key). Contoh pada tabel di bawah ini gagal memiliki properti ini. Dalam tabel ini SSN ditafsirkan sebagai pelajar dengan Major serta Adviser (pembimbing). Dengan catatan tiap pelajar pelajar 123-45-6789 dan 987-65-4321 mempunyai dua jurusan dengan pembimbing yang berbeda tiap jurusannya. Tabel 1-29 Tabel Mahasiswa dengan BCNF

SSN Major Adviser

123-45-6789 Library and Information Science Dewey

123-45-6789 Public Affairs Roosevelt

222-33-4444 Library and Information Science Putnam

555-12-1212 Library and Information Science Dewey

987-65-4321 Pre-Medicine Semmelweis

987-65-4321 Biochemistry Pasteur

123-54-3210 Pre-Law Hammurabi

Dalam tabel di atas salah satu determinan adalah atribut berpasangan yaitu SSN dan Major. Tiap pasangan nilai atribut SSN dan Major menentukan nilai unik untuk atribut Adviser. Determinan lain adalah pasangan SSN dan Adviser yang menentukan nilai unik atribut Major. Determinan lain lagi adalah Adviser dimana setiap nilai adviser yang berbeda menentukan secara unik nilai atribut Major. (catatan: setiap pelajar mempunyai pembimbing (adviser) tunggal untuk setiap jurusannya (major) dan tiap pembimbing (adviser) membimbing hanya satu jurusan) Sekarang kita akan menguji ketiga determinan tersebut apakah sebagai kunci kandidat. Pasangan SSN dan Major adalah kunci kandidat untuk setiap pasangan unik mengidentifikasikan sebuah baris dalam tabel. Pasangan SSN dan Adviser juga kunci kandidat. Tetapi determinan Adviser bukan sebagai kunci kandidat karena nilai Dewey terdapat dalam dua baris pada kolom Adviser. Jadi tabel di atas tidak dapat dikatakan dalam kondisi setiap determinan adalah kunci kandidat.

Author

Last Name

Author

First

Name

ID

Author

Berdahl Robert 001

Yudof Mark 002

Harmon Glynn 003

Graves Robert 004

Miksa Francis 005

Hunter David 006

Graves Robert 007

ID

AuthorBook Title

001 The Politics of the Prussian

Nobility

002 Child Abuse and Neglect

003 Human Memory and

Knowledge

004 The Golden Fleece

005 Charles Ammi Cutter

006 Music Publishing and

Collecting

007 English and Scottish Ballads


19

Sangatlah mudah untuk memeriksa anomali dalam tabel ini. Misalnya jika pelajar 987-65-4321 meninggalkan universitas tersebut, tabel akan kehilangan informasi bahwa Semmelweis adalah seorang pembimbing untuk jurusan Pre-Medicine. Contoh lain adalah tidak adanya informasi tentang pembimbing-pembimbing untuk pelajar dengan jurusan History (Sejarah). Solusi untuk masalah di atas adalah membuat tabel tersebut dipecah menjadi beberapa tabel-tabel single-theme seperti di bawah ini:

Maka kedua tabel di atas dalam kondisi BCNF yaitu setiap determinan merupakan kunci kandidat. Bentuk formal keempat memperhatikan terjadinya anomali ketika tabel gagal memiliki properti bahwa tidak ada ketergantungan nilai banyak (multivalued). Contoh tabel di bawah merupakan bentuk anomali untuk ketergantungan dengan nilai banyak. Tabel 1-30 Mahasiswa dengan daftar hobi

LastName Major Hobby

Jones Library and Information Science Surfing the Internet

Jones Library and Information Science Chess

Jones Public Affairs Surfing the Internet

Jones Public Affairs Chess

Lee Library and Information Science Photography

Lee Library and Information Science Stamp collecting

Ruiz Pre-Medicine Surfing the Internet

Ruiz Pre-Medicine Photography

Ruiz Biochemistry Surfing the Internet

Ruiz Biochemistry Photography

Smith Pre-Law Playing poker

Anggap pelajar Jack Jones hobinya menjelajah internet dan bermain catur; Lynn Lee hobinya photographer dan koleksi perangko; Mary Ruiz, hobinya menjelajah internet dan photographer; dan Lynn Smith, hobinya bermain poker. Situasi ini dapat mengakibatkan redudansi data dan memberikan efek ketergantungan nilai banyak terjadi ketika (a) tabel sekurangnya mempunyai tiga atribut (b) dua atribut mempunyai nilai banyak dan (c) nilai dari atribut multivalued tergantung hanya satu dari sisa atribut. Atribut LastName menentukan nilai banyak dari atribut Major dan Hobby, tetapi keduanya tidak saling tergantung terhadap yang lainnya (independent). Notasi untuk ketergantungan multivalue adalah panah ganda. Untuk contoh ini kita dapat menulisnya

dengan bentuk LastName ⇒ Major dan LastName ⇒ Hobby (LastName multideterminan Major dan LastName Multideterminan Hobby).

SSN Adviser

123-45-6789 Dewey

123-45-6789 Roosevelt

222-33-4444 Putnam

555-12-1212 Dewey

987-65-4321 Semmelweis

987-65-4321 Pasteur

123-54-3210 Hammurabi

Major Adviser

Library and Information Science Dewey

Public Affairs Roosevelt

Library and Information Science Putnam

Pre-Medicine Semmelweis

Biochemistry Pasteur

Pre-Law Hammurabi

History Herodotus


20

Bentuk tabel-tabel yang dijadikan single-theme adalah sebagai berikut:

Normal Form Kelima sulit untuk diilustrasikan dengan contoh sederhana. Karenanya di sini tidak meng-ilustrasikan properti dari 5NF mempunyai tiap join dependency dalam tabel menjadi penyebab membentuk kunci kandidat tabel. Alasan lain yang pertama, dalam prakteknya 4NF sudah mencukupi dan yang kedua adalah Domain-Key Normal Form (DKNF) sudah termasuk 5NF. DKNF digunakan sebagai solusi untuk menghindari anomali: kumpulan tabel-tabel (relasi) dalam DKNF sebagai konsekuensi dari teori Ronald Fagin (1981) untuk bebas dari anomali. Definsi dari DKNF adalah relasi dalam DKNF jika setiap constrain relasi logikal mendefinisikan kunci dan domain. Menurut Fagin istilah kunci adalah primary key dan candidate key, domain merupakan kumpulan definisi dari isi atribut (kolom) dan beberapa batasan jenis data yang akan disiman dalam kolom, sebagai contoh batasan hanya data numerik atau hanya data logikal. Constraint berarti aturan-aturan terhadap atribut dengan jelas sehingga dapat diputuskan aturan yang mana dijalankan atau dilanggar untuk kumpulan data yang mana diterima. Sebagai ilustrasi ini simak tabel di bawah ini:

Konversi tabel dengan partial dependency ke tabel DKNF

Tabel 1-31 Tabel dengan partial dependency

FirstName LastName Major Level

Jack Jones LIS Graduate

Lynn Lee LIS Graduate

Mary Ruiz Pre-Medicine Undergraduate

Lynn Smith Pre-Law Undergraduate

Jane Jones LIS Graduate

Dalam tabel di atas terdapat komposisi kunci yang terdiri dari pasangan atribut LastName-FirstName, dan semua atribut tergantung dengan kunci ini. Tetapi ada hal lain yang penting: atribut Level tergantung pada atribut LastName, Level hanya tergantung pada sebagian kunci. Sehingga tabel ini belum dikatakan DKNF. Kita akan membutuhkan tabel yang menyediakan link antara pasangan atribut FirstName dan LastName dan atribut Major. Dalam tabel tersbeut Major menjadi konsekuensi logikal dari key dan domain. Sehingga dibutuhkan dua tabel, satu berisi Major dan Level dan yang lain FirstName, LastName dan Major.

Contoh tabel-tabel di bagian sebelumnya sudah termasuk DKNF. Jadi dengan membentuk tabel menjadi single-theme hampir sama halnya dengan membentuk tabel DKNF.

LastName Major

Jones Library and Information Science

Jones Public Affairs

Lee Library and Information Science

Ruiz Pre-Medicine

Ruiz Biochemistry

Smith Pre-Law

LastName Hobby

Jones Surfing the Internet

Jones Chess

Lee Photography

Lee Stamp collecting

Ruiz Surfing the Internet

Ruiz Photography

Smith Playing poker

Major Level

LIS Graduate

Pre-Medicine Undergraduate

Pre-Law Undergraduate

FirstName LastName Major

Jack Jones LIS

Lynn Lee LIS

Mary Ruiz Pre-Medicine

Lynn Smith Pre-Law

Jane Jones LIS


21

2. PEMODELAN BASIS DATA

Model Hubungan Antar Entitas (Entity Relationship-Model)

Model entity-relationship pertama kali diperkenalkan oleh Peter Chen pada tahun 1976. Dalam pemodelan ini dilakukan dengan tahapan sebagai berikut: a. Memilih entitas-entitas yang akan disusun dalam basis data dan menentukan hubungan antar

entitas yang telah dipilih. b. Melengkapi atribut-atribut yang sesuai pada entitas dan hubungan sehingga diperoleh bentuk

tabel normal penuh (ternormalisasi). Elemen-elemen dalam model ER dapat digambarkan pada gambar diagram di bawah ini:

Gambar 2.1 Elemen-elemen ER-Model Entitas merupakan sesuatu yang dapat diidentifikasikan dalam lingkungan kerja pengguna. Entitas yang diberikan tipe dikelompokkan ke kelas entitas. Perbedaan antara kelas entitas dan instansi entitas adalah sebagai berikut:

• Kelas entitas adalah kumpulan entitas dan dijelaskan oleh struktur atau format entitas di dalam kelas.

• Instansi kelas merupakan bentuk penyajian dari fakta entitas. Umumnya terdapat banyak instansi entitas di dalam setiap entitas kelas. Setiap entitas kelas memiliki atribut yang menjelaskan karakteristik dari entitas tersebut, sedangkan setiap instansi entitas mempunyai identifikasi yang dapat bernilai unik (mempunyai nilai yang berbeda untuk setiap identifikasinya) atau non-unik (dapat bernilai sama untuk setiap identifikasinya). Antara entitas diasosiakan dalam suatu hubungan (relationship). Suatu relasi dapat memiliki beberapa atribut. Jumlah kelas entitas dalam suatu relasi disebut derajat relasi. Gambar di bawah ini merupakan contoh dari relasi berderajat dua dan relasi berderajat tiga.

Gambar 2.2 (a) Relasi berderajat dua (b) Relasi berderajat tiga

Tipe Binary Relationship

Relasi memiliki tiga tipe biner yaitu: a. One-to-one (1:1). Hubungan terjadi bila setiap instansi entitas hanya memiliki satu hubungan

dengan instansi entitas lain.

Entitas Relasi

PENJUAL PESANAN

Memesan

(a)

IBU BAPAK

ANAK

Mempunyai

(b)

Atribut


22

a1

a2

a3

a4

a5

a6

a7

b1

b2

b3

b4

b5

b6

b7

Gambar 2.3 Hubungan 1:1 (one-to-one) b. One-to-many (1:M). Relasi ini terjadi bila setiap instansi entitas dapat memiliki lebih dari satu

hubungan terhadap instansi entitas lain tetapi tidak kebalikannya.

a1

a2

a3

a4

a5

a6

a7

b1

b2

b3

b4

b5

b6

b7

Gambar 2.4 Hubungan 1:M (one-to-many) c. Many-to-many (M:N). Hubungan saling memiliki lebih dari satu dari setiap instansi entitas

terhadap instansi entitas lainnya.

a1

a2

a3

a4

a5

a6

a7

b1

b2

b3

b4

b5

b6

b7

Gambar 2.5 Hubungan M:N (many-to-many) Selain relasi antara dua entitas, terdapat juga hubungan terhadap entitasnya sendiri yang disebut dengan recursive relationship (self relation). Hubungan ini dapat mempunyai tipe biner, seperti yang sudah dibahas sebelumnya.


23

a1

a2

a3

a4

a5

a6

a7

(b)

1:M

a1

a2

a3

a4

a5

a6

a7

(a)

1:1

a1

a2

a3

a4

a5

a6

a7

(c)

M:N

Gambar 2.6 (a) Relasi rekursif 1:1 (b) Relasi rekursif 1:M (c) Relasi rekursif M:N

Partisipasi Hubungan

Partisipasi atau keterlibatan setiap instansi entitas dalam membentuk hubungan dapat bersifat wajib (obligatory/digambarkan dengan garis penuh) atau tidak wajib (non-obligatory/digambarkan dengan garis putus-putus) dalam aturan data. Misalnya hubungan antara DOSEN dan Mata Kuliah dengan aturan data sebagai berikut: Setiap dosen harus mengajar satu mata kuliah dan setiap mata kuliah harus diajarkan oleh seorang dosen. Setiap anggota entitas dalam hubungan adalah wajib untuk instansi entitas DOSEN maupun Mata Kuliah.

Gambar 2.7 Diagram E-R dengan partisipasi wajib Dalam bentuk aturan lain yaitu: Setiap dosen harus mengajar satu mata kuliah dan setiap mata kuliah mungkin diajarkan oleh seorang dosen atau mungkin tidak sama sekali.

Gambar 2.8 Diagram E-R dengan partisipasi wajib pada sisi Dosen dan tidak wajib pada sisi Mata Kuliah

Atau aturan lain: Setiap dosen hanya boleh mengajar satu mata kuliah atau boleh saja dosen tidak mengajar dan setiap mata kuliah harus diajarkan oleh seorang dosen.

DOSEN MATA KULIAH

Mengajar

DOSEN MATA KULIAH

Mengajar


24

Gambar 2.9 Diagram E-R dengan partisipasi tidak wajib pada sisi Dosen dan wajib pada sisi Mata Kuliah

Aturan lain yang tidak mewajibkan kedua belah pihak: Setiap dosen hanya boleh mengajar satu mata kuliah atau boleh saja dosen tidak mengajar dan setiap mata kuliah hanya boleh diajarkan oleh seorang dosen atau tidak sama sekali.

Gambar 2.10 Diagram E-R dengan partisipasi tidak wajib pada kedua sisi

DOSEN MATA KULIAH

Mengajar

DOSEN MATA KULIAH

Mengajar


25

3. PERANCANGAN BASIS DATA Permasalahan dalam perancangan basis data adalah bagaimana merancang struktur logikal dan fisikal dari satu atau lebih basis data untuk memenuhi kebutuhan informasi yang diperlukan oleh pengguna sesuai dengan aplikasi-aplikasi yang ditentukan. [Waliyanto2000] Dengan permasalahan tersebut dapat ditentukan beberapa tujuan utama perancangan basis data, yaitu: a. Memenuhi kebutuhan informasi sesuai dengan yang diperlukan oleh pengguna untuk aplikasi

tertentu. b. Mempermudah pemahaman terhadap struktur informasi yang tersedia dalam basis data, c. Memberikan keterangan tentang persyaratan pemrosesan dan kemampuan sistem, seperti lama

tidaknya mengakses data, kapasitas memori yang tersedia dan sebagainya. Tahapan-tahapan proses perancangan untuk memenuhi tujuan tersebut adalah: 1. Mengumpulkan dan menganalisis persyaratan 2. Merancang konsepsual basis data 3. Memilih Sistem Manajemen Basis Data 4. Merancang logikal basis data 5. Merancang fisikal basis data (pemetaan model data) 6. Implementasi sistem basis data Dalam pelaksanaan perancangan tersebut terdapat dua kegiatan yang dapat dilakukan secara paralel, yaitu perancangan struktur dan isi data (analisis data) dan perancangan pemrosesan data serta program aplikasi (analisis fungsional). Tahapan rancangan basis data seperti pada bagan di bawah ini tidak secara ketat harus diikuti secara berurutan. Karena antara tahap yang satu dengan yang lainnya dapat saling mempengaruhi dan memberi umpan balik.

Persyaratan Data

Rancangan skema eksternal & konsepsual

(terlepas dari DBMS)

Rancangan skema eksternal & konsepsual

(sesuai dengan DBMS terpilih)

Rancangan skema internal

(sesuai dengan DBMS terpilih)

Pembangunan Basis Data

Persyaratan Proses

Rancangan transaksi data

Rancangan program aplikasi

Penyusunan program aplikasi

Operasional program aplikasi

Tahap I:Koleksi & analisi

persyaratan

Tahap II:

Rancangan konsepsual

Tahap IV:Rancangan logikal

Tahap V:

Rancangan fisikal

Tahap III:Pemilihan DBMS

Tahap VI:

Implementasi

Definisi:

tabel. index. view, jalur,

akses, format

penyimpanan

E-R modelDefinisi entitas

Gambar 3.1 Tahapan perancangan basis data (kompilasi dari Elmasri R, 1994)


26

Rancangan konsepsual basis data (tahap 2) menghasilkan skema konsepsual dari basis data yang bebas dari DBMS tertentu. Dalam hal ini juga digunakan pemodelan bahasa tingkat tinggi seperti model E-R (Entity Relationship) atau EER (Enhanced Entity Relationship). Tahap ini juga menentukan transaksi data yang dapat dilakukan terhadap sistem basis data. Rancangan logikal (tahap 4) disebut juga pemetaan model data, yaitu mentransformasikan model data yang telah dibuat pada tahap dua ke dalam model data yang sesuai dengan DBMS terpilih. Tahap ini juga melakukan perancangan skema eksternal untuk aplikasi yang ditentukan. Rancangan fisikal basis data (tahap 5) melakukan pendefinisian basis data yang akan disimpan sesuai dengan SMBD yang digunakan, meliputi struktur penyimpanan data, format data dan jalur akses. Tahap ini disebut skema internal.

Koleksi dan Analisis Persyaratan

Koleksi dan analisis persyaratan merupakan proses pengumpulan dan analisis tujuan dan harapan pengguna untuk memperoleh informasi dari sistem basis data. Kegiatan-kegiatan yang dilakukan dalam tahapan ini adalah sebagai berikut: a. Melakukan identifikasi bidang aplikasi dan kelompok pemakai b. Mempelajari dan menganalisis dokumen yang ada pada aplikasi tertentu c. Mempelajari sistem yang sedang berjalan d. Membuat semacam pertanyaan/angket pada calon pengguna yang dipandang potensial untuk

memperoleh spesifikasi informasi dan proses yang diperlukan.

Perancangan Konsepsual Basis Data

Tahapan ini meliputi dua kegiatan yaitu rancangan skema konsepsual tentang organisasi data yang harus disimpan dalam basis data, dan rancangan transaksi yang dilakukan untuk memperoleh informasi dari sistem basis data hasil analisis persyaratan pada tahap 1.

Rancangan skema konsepsual

Hasil rancangan konsepsual merupakan pemodelan data dari pemahaman dunia nyata yang dituliskan dalam bahasa tingkat tinggi dan tidak terikat dengan DBMS yang akan digunakan. Umumnya pembuatan skema konsepsual ini menggunakan diagram E-R. Untuk menyusun rancanngan konsepsual dimulai dengan identifikasi komponen utama dari skema (entitas, hubungan, atribut) dengan mengacu pada karakateristik sebagai berikut: a. Model data harus cukup memberikan tampilan yang menggambarkan perbedaan jenis data,

hubungan dan constraint (ekspresif). b. Model harus dibuat sederhana dan mudah dipahami serta digunakan oleh pengguna. c. Penyajian model data dibuat dalam diagram yang mudah diinterprestasi d. Penyajian model data dalam skema harus teliti dan tidak menimbulkan interprestasi (akurat).

Rancangan transaksi

Teknik pembuatan spesifikasi transaski dilakukan dengan melakukan identifikasi data masukan dan data keluaran serta sifat fungsional transaksi, sehingga perancang dapat membuat model konsepsual transaksi yang tidak terikat dengan sistem. Fungsi-sungsi model transaksi adalah sebagai berikut: a. Transaksi pemanggilan (retrieval transaction), yaitu pemanggilan data untuk ditampilkan di layar

monitor atau dicetak sebagai laporan. b. Transaksi pembaharuan (update transaction), digunakan untuk pemasukan data baru atau

perubahan data lama. c. Transaksi campuran (mixed transaction), digunakan untuk kombinasi pemanggilan data dan

pembaharuan data.

Pemilihan DBMS

Faktor-faktor yang menentukan pemilihan DBMS antara lain adalah faktor teknik, faktor ekonomi dan politik dalam organisasi.


27

Faktor teknik meliputi kelangsungan dari DBMS untuk diterapkan dalam pengelolaan data seprti jenis model DBMS, struktur penyimpanan data dan alur akses data, interface pengguna dan pemrogram, jenis bahasa tingkat tinggi dan sebagainya. Faktor ekonomi diantaranya pembelian software DBMS, pembelian hardware, biaya pemeliharaan sistem, biaya penyusunan basis data dan lain sebagainya.

Pemodelan Logikal Basis Data

Tujuan dari tahap ini adalah menyusun rancangan konsepsual dan skema eksternal yang sesuai dengan DBMS yang dipilih. Langkah-langkah yang dilakukannya adalah: a. Pemetaan (transformasi data) yang tidak terikat sistem. b. Penyusunan skema sesuai dengan DBMS.

Perancangan Fisikal Basis Data

Tujuan dari perancangan ini adalah untuk membuat spesifikasi struktur penyimpanan dan jalur akses data sehingga diperoleh kemampuan sistem yang baik untuk berbagi aplikasi. Beberapa hal yang menjadi pertimbangan dalam perancangan fisikal adalah: 1. Waktu tanggap. Yaitu waktu yang digunakan oleh sistem sejak transaski basis data dimasukkan

untuk dieksekusi sampai mendapat tanggapan dari sistem. Faktor yang mempengaruhinya dalah waktu akses basis data yang dikendalikan oleh DBMS serta dipengaruhi oleh sistem pemuatan data (loading) pada komputer, sistem operasi yang digunakan, atau penundaan sistem komunikasi.

2. Penggunaan memori komputer. Merupakan kapasitas memori komputer yang digunakan untuk menyimpan berkas-berkas basis data dan struktur jalur akses.

3. Transaksi data. Kemampuan melakukan transaksi data tiap satuan waktu merupakan hal yang kritis.

Implementasi Sistem Basis Data

Tahap ini merupakan implementasi dari hasil pemodelan logikal dan fisikal. Bahasa yang digunakan untuk definisi data atau penyimpanan data yang sesuai dengan DBMS terpilih. Implementasi penyusunan basis data dimulai dari pembuatan berkas-berkas data kosong yang akan digunakan untuk menyimpan data dalam basis data. Kemudian dilanjutkan dengan pemasukan data untuk tiap instansi tabel. Dalam impelementasi rancangan transaksi, program aplikasi ditulis dengan bahasa manipulasi data yang sesuai. Program-program aplikasi yang dibuat harus dilakukan uji coba dulu untuk menguji kebenaran program. Setelah diuji kemudian diimplementasikan dalam operasional sistem basis data.

BERLANJUT …


28

Referensi: [Abdul1999] Abdul Kadir. 1999. Konsep & Tuntunan Praktis Basis Data. Penerbit Andi.

Yogyakarta. [David2002] David M. Kroenke. 2002. Database Processing Fundamentals, Design, and

Implementation. Eight Edition. Pretince Hall. [Ramez2000] Ramez Elmasri & Shamkant B Navathe. 2000. Database System. [R.E. 2003] R.E. Wyllys. 2003. Database-Management Principles And Applications. [Sitansu1991] Sitansu S. Mittra. 1991. Principles of Relational Database Systems. International

Editions. Prentice-Hall. New Jersey. [Waliyanto2000] Waliyanto. 2000. Sistem Basis Data Analisis dan Pemodelan Data. J&J Learning.

Yogyakarta.

basis data

Documents